三维模型面片链码表示方法

将三维模型的三角面片表示与基于体素的链码技术相结合,提出一种基于体素的三维模型面片链码表示方法.首先对三维模型进行基于体素空间的切分,将获得的面片顶点归一化在体素顶点上,构造基于体素三角面片的模型表示;然后依据构造的体素三角面片间连接边与第3顶点的位置关系定义面片链码的数据结构;再根据连接边的类型和方向计算层次三角面片法向量的大小和方向;最后通过逐层遍历体素内归一化的三角面片,获得三维模型的面片链码表示.相应地,给出了面片链码的解码方法.文中比较了面片链码与其他三维模型压缩算法的压缩效率和时间开销,计算了不同体素粒度切分的三维模型与被切分的原始模型之间以及与体素切分模型具有同级别面片数量的原始模型之间的误差,结果表明,该方法能够有效地表达三维模型.     

点云数据在深度学习中表示方法的研究

为了实现在深度学习中能够端到端表示点云模型,提出基于八叉树和K-D树（OctKD）的点云数据表示方法。该方法将无组织的点云转换为体素空间,在体素空间对三维模型进行八叉树剖分,改进了八叉树编码方式;构建节点间的邻接关系,在GPU端并行构建八叉树;为了克服八叉树编码检索效率低的问题,采用三维K-D树索引单个三维空间点。实验结果表明该方法能够真实反映模型本身的细节特征,提高了点云模型的构造时间和检索效率。这种新的数据结构实现将点云转换为卷积神经网络可以接收的数据形式。     

基于极半径曲面矩的三维模型检索

提出一种三维极半径曲面矩,并应用于三维模型检索.三维极半径矩是一种具有平移、旋转和缩放不变性的不变量,将三维极半径矩推广到三维极半径曲面矩获得了新的不变矩,该方法不需要将三角面片表示的三维模型数据体素化,从而提高了计算速度和计算精度.同时,基于这种三维极半径曲面矩的识别算法具有很好的识别率.     

动态障碍物与三维流体交互仿真研究

关于在动态障碍物特性的问题,研究了动态障碍物与流体进行交互的计算机三维仿真,为达到仿真的有效性和高效性要求,提出了算子替代方法并对三维体素进行优化,通过内-外体素化方法对障碍物进行离散,同时指定动态障碍物边界条件,将动态障碍物边界表示成随障碍物移动或变形而变化的压力纹理和速度纹理,从而影响流体网格产生自由滑动。仿真实验证明,方法不仅更适合于GPU的计算模型,而且经过优化后具有更好的仿真速度和稳定性。     

多层次感知的多视图三维模型重建

针对基于体素表征的多视图三维模型重建过程中,存在二维视图所包含的空间信息离散,空间网格中体素分布稀疏的问题,提出基于多层次感知的多视图三维模型重建方法,旨在通过对视图级、体素级与物体级信息的多层次感知,重建具有完整结构与局部细节的三维模型。在视图特征提取阶段设计了上下文感知的通道注意力模块来最大限度获取二维视图中潜在空间信息;在三维模型生成阶段,通过体素感知的VoxFocal Loss来促进空间网格中体素生成;在三维模型细化阶段,通过具有物体感知能力的三维判别器来自适应地消除三维模型中冗余体素,生成更具真实感的三维模型。在大型合成数据集ShapeNet和真实世界数据集Pix3D上验证了该方法的有效性与先进性。     

基于孔洞填充的残缺三维模型检索

残缺的三维模型和完整的三维模型在拓扑结构上存在差异,为提高检索方法的鲁棒性,提出基于孔洞填充的残缺三维模型检索方法。通过基于径向基函数的孔洞填充方法对残缺三维模型进行孔洞填充,构造残缺模型对应的完整填充模型;构建填充模型中每个数据点的近邻矩阵,通过求解矩阵获得该点的曲率值;以聚类中心对每个数据点的影响为聚类标准改进[K]-menas算法,对填充模型的数据点进行聚类,引入C_DIS相似度量模型,对不同模型按类别进行匹配检索。实验结果表明,能有效检索出与待检索模型相似的三维模型。     

一个相关反馈三维模型深度图像检索算法

基于图像的三维模型检索比形状特征和拓扑结构特征具有更易于实现且检索效果好等优点,但现有基于图像的三维模型检索方法存在一些问题,如没有考虑三维深度信息、所提特征不能全部表达三维模型信息且不能实现用户交互操作等。对此提出一种基于深度图像的三维模型相关反馈检索算法:首先提取三维模型深度图像边界方向直方图和Zernike矩特征;然后利用特征距离度量进行三维模型检索,并采用相关反馈技术实现分类器的构造和模型的标注;最后利用调整好的权值分类器进行检索和标注。实验表明,该算法实现了三维模型的相关反馈检索和标注,提高了检索的精确性,并增强了系统的实用性,为进一步进行语义检索打下基础。     

基于内部球的三维模型逼近与聚类

为了实现物体间的快速碰撞检测,提出一种三维模型球体逼近表示方法.首先在三维模型体素化基础上构建了模型内部球逼近,以改进内部球数目和球体连续性效果;接着通过基于测地距离的改进计算对内部球进行聚类,得到有意义的分类结果,可用于模型内部球的层次结构树构造和模型语义分割等.实验结果表明,该方法是可行和有效的.     

引入文本检索的混合形状特征的3D模型检索技术

针对三维模型检索性能较低的问题．提出一种快速准确的检索技术。为了提高模型的检索速度．引入于文本与内容相结合的检索方法。为了提高模型检索的准确率,根据基于单一模型特征的三维模型检索存在的不足,提出了结合多种形状特征进行模型的检索方法。模型的面积分布和形状直方图两种特征被应用于模型检索。实验证明该算法在检索准确度和检索效率上都有所提高。     

理想材料零件的锥束CT投影仿真

针对锥束CT在理想材料零件研制中的应用需求,给出了基于拓展体素模型的CT仿真零件材料信息表示方法.在体素模型的投影图像仿真计算中,提出了一种三维射束与体素模型的快速遍历与求交算法,并结合Simpson积分公式实现了投影直线积分的高效高精度计算.实验结果验证了该算法的有效性.     

基于八叉树结构的三维体素模型检索

随着VR/AR技术发展以及三维模型的广泛应用,实现三维检索具有越来越重要的现实意义.基于模型的检索较好地保留了模型的空间信息和几何特征,其不仅包含模型的表面信息而且还包含模型的内部属性.但是,基于模型的检索往往存在着高存储、高计算的问题.为了解决该问题,本文研究了三维模型预处理及三维模型表示的方法,提出了一种基于八叉树...     

Combining topological and view-based features for 3D model retrieval

With the rapidly increasing of 3D models, the 3D model retrieval methods have been paid significant research attention. Most of the existing methods focus on taking advantage of one kind of feature. These methods can not achieve ideal retrieval results for different classes of 3D models. In this paper, we propose a novel 3D model retrieval algorithm by combining topological and view-based features. To preserve the topological structure of the 3D model, a multiresolutional reeb graph (MRG) is constructed according to the salient topological points. The view-based features are extracted from the images, which are rendered at each of the topological points. To preserve the spatial structure information of the images, we modify the bag-of-features (BOF) method by using the combined shell-sector model. We take the view-based features as the attribute information of the corresponding MRG nodes. The comparison between two 3D models is transformed to the problem of computing the similarity of the corresponding MRGs. Finally, we calculate the similarity between the query model and the models in the databases by adapting the earth mover distance method. Experimental results on two standard benchmarks show that our algorithm can achieve satisfactory retrieval performance.     

基于八叉树空间分割的三维点云模型密写

针对三维点云模型的信息隐藏,提出一种基于八叉树空间分割的空域密写算法。对经过主成分分析后的三维点云模型建立包围盒,利用八叉树空间分割得到小体元并记录分割过程,通过顶点位移将信息嵌入到小体元内的不同空间位置。实验结果表明,该算法在提取信息时不需要原始模型数据,具有嵌入量高、失真度低的特点,能够抵抗旋转、平移、均匀缩放和顶点重排序攻击,适合于任意网格的三维模型信息隐藏。     

基于渲染图像角度结构特征的三维模型检索方法

为了充分利用三维模型的颜色、形状、纹理等特征,提出以三维模型渲染图像为数据集,利用渲染图像角度结构特征实现三维模型检索。首先,该方法以三维模型渲染图像为测试集,利用已有类别标记的自然图像作为训练集,通过骨架形状上下文特征对渲染图像进行分类,提取角度结构特征,建立特征库;然后,对输入的自然图像提取角度结构特征,与特征库中的角度结构特征进行相似度匹配计算,实现三维模型检索。实验结果表明, 充分利用 渲染图像的颜色、形状和空间信息是实现三维模型检索的有效方法。     

结合体元数据结构的机载LIDAR建筑物检测

目的 目前,点云、栅格格网及不规则三角网等建筑物检测中常用的离散机载激光雷达（LIDAR）点云数据表达方式存在模型表达复杂、算法开发困难、结果表达不准确及难以表达多返回数据等缺点。为此,针对LIDAR点云体元结构模型构建及在此基础上的建筑物检测展开研究,提出一种基于体元的建筑物检测算法。方法 首先将点云数据规则化为二值（即1、0值,分别表示体元中是否包含有激光点）3D体元结构。然后利用3D滤波算法将上述体元结构中表征数据点的体元分类为地面和非地面体元。最后,依据建筑物边缘的接近直线、跳变特性从非地面体元中搜寻建筑物边缘作为种子体元进而标记与其3D连通的非地面体元集合为建筑物体元。结果 实验基于ISPRS（international society for photogrammetry and remote sensing）提供的包含了不同的建筑物类型的城区LIDAR点云数据测试了"邻域尺度"参数的敏感性及提出算法的精度。定量评价的结果表明：56邻域为最佳邻域尺度;建筑物的检测质量可达到95%以上——平均完整度可达到95.61%、平均正确率可达95.97%。定性评价的结果表明：对大型、密集、不规则形状、高低混合及其他屋顶类型比较特殊的复杂建筑物均可成功检测。结论 本文提出的建筑物检测算法采用基于体元空间邻域关系的搜索标记方式,可有效实现对各类建筑目标特别是城市建筑目标的检测,检测结果易于建模3D建筑物模型。